首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--自动控制、自动控制系统论文

具有输出约束和状态约束的不确定非线性系统的自适应神经网络控制及其应用

摘要第5-7页
abstract第7-8页
缩略词表第16-17页
主要符号表第17-18页
第一章 绪论第18-30页
    1.1 研究背景和意义第18-19页
    1.2 研究现状第19-27页
        1.2.1 基于Lyapunov直接法的控制设计第19-21页
        1.2.2 约束控制第21-23页
        1.2.3 自适应神经网络控制与Backstepping第23-27页
    1.3 本文主要贡献与结构安排第27-30页
        1.3.1 本文主要贡献第27-29页
        1.3.2 本文结构安排第29-30页
第二章 预备知识与设计工具第30-43页
    2.1 系统稳定性理论第30-35页
        2.1.1 基于Lyapunov函数的系统稳定性分析第30-33页
        2.1.2 Barrier Lyapunov Functions第33-35页
    2.2 基于神经网络的函数逼近第35-39页
        2.2.1 MNNs第36-37页
        2.2.2 RBF NNs第37-39页
    2.3 几类典型非线性系统与若干数学预备知识第39-42页
    2.4 本章小结第42-43页
第三章 输出约束的不确定严格反馈非线性系统第43-64页
    3.1 引言第43-44页
    3.2 问题描述与预备知识第44页
    3.3 鲁棒自适应神经网络控制第44-53页
        3.3.1 输出约束的一阶严格反馈非线性系统第45-48页
        3.3.2 输出约束的9)阶严格反馈非线性系统第48-53页
    3.4 仿真验证第53-63页
        3.4.1 线性参数化不确定非线性系统第53-57页
        3.4.2 非线性参数化不确定非线性系统第57-63页
            3.4.2.1 基于log型BLF的自适应神经网络控制第57-58页
            3.4.2.2 基于QLFs的自适应神经网络控制第58-59页
            3.4.2.3 比较仿真第59-63页
    3.5 本章小结第63-64页
第四章 状态约束的不确定严格反馈非线性系统第64-80页
    4.1 引言第64页
    4.2 问题描述与预备知识第64-67页
    4.3 全状态约束的二阶严格反馈非线性系统第67-70页
    4.4 鲁棒自适应神经网络控制第70-75页
        4.4.1 全状态约束的9)阶严格反馈系统第70-75页
        4.4.2 可行解条件检测第75页
    4.5 仿真验证第75-79页
    4.6 本章小结第79-80页
第五章 状态约束的不确定纯反馈非线性系统第80-104页
    5.1 引言第80页
    5.2 控制输入不饱和的纯反馈非线性系统第80-91页
        5.2.1 问题描述与预备知识第81-83页
        5.2.2 鲁棒自适应神经网络控制第83-85页
        5.2.3 可行解条件检测第85-86页
        5.2.4 仿真验证第86-91页
    5.3 控制输入饱和的纯反馈非线性系统第91-102页
        5.3.1 问题描述与预备知识第91-95页
        5.3.2 鲁棒自适应神经网络控制第95-98页
        5.3.3 可行解条件检测第98-99页
        5.3.4 仿真验证第99-102页
    5.4 本章小结第102-104页
第六章 约束环境下的机械臂轨迹跟踪控制第104-136页
    6.1 引言第104-105页
    6.2 关节空间约束下的机械臂轨迹跟踪控制第105-124页
        6.2.1 问题描述与预备知识第105-106页
        6.2.2 鲁棒自适应神经网络控制第106-113页
        6.2.3 仿真验证第113-124页
            6.2.3.1 基于精确模型的控制策略第115-116页
            6.2.3.2 基于神经网络的鲁棒自适应控制策略第116-123页
            6.2.3.3 讨论第123-124页
    6.3 任务空间约束下的机械臂轨迹跟踪控制第124-135页
        6.3.1 问题描述第124-125页
        6.3.2 鲁棒自适应神经网络控制第125-130页
        6.3.3 仿真验证第130-135页
    6.4 本章小结第135-136页
第七章 总结和展望第136-139页
    7.1 总结第136-137页
    7.2 展望第137-139页
致谢第139-140页
参考文献第140-149页
攻读博士学位期间取得的成果第149-150页

论文共150页,点击 下载论文
上一篇:基于智能电网的电动汽车充馈电调度策略研究
下一篇:复杂网络中节点影响力挖掘及其应用研究